Meta 推出主打复杂任务的 Wonder 模型

Meta 的 Superintelligence Lab 于周一发布了两款达到当前领先水平的新模型：Muse Wonder 和 Muse Wonder Full。这是该公司首次尝试推出 frontier model。

Muse Spark 的定位是低延迟运行的轻量级模型，而 Wonder 系列的规模更大，据称能力也更强：不仅 benchmark 得分更高，在编程等复杂任务上的表现也更好。

根据 Meta 在 model card 中公布的测试结果，Wonder 和 Wonder Full 的 benchmark 得分与 Fable 5.1 和 GPT-6 Astra 相当。

Meta 在介绍这两款模型的博客文章中写道：“它们共同标志着我们在规模扩展的阶梯上迈出了下一步，也是迈向个人 superintelligence 的一次重大飞跃。”

模型规模也体现在定价上：通过 Meta Model API 使用 Wonder，每百万 input tokens 的费用为 4 美元，每百万 output tokens 的费用为 20 美元，与 GPT-6 Sol 或 Opus 5.5 的费用大致相当。

值得关注的是，Wonder Full 仅向 Muse Code 订阅用户开放，不会通过 API 提供。这两款模型也都将为 Muse agent 提供支持。

Meta 一直致力于开发能够长期执行任务的个人助手，因此特别强调了新模型保留和综合用户所提供信息的能力。Meta 将这一特性称为“active memory”。

为了展示更好的记忆提取能力，Meta 重点介绍了 MemoryBench benchmark。该 benchmark 用于检验持续学习和记忆构建框架的能力。根据该公司的测试，Muse Wonder 在 MemoryBench 上的得分如今已超过 Fable、Opus 和 Astra。

研究科学家 Kavya Kopparapu 在随发布一同推出的视频中表示：“我们投入了大量精力，确保你的模型能够记住对你重要的事情，时间跨度可以是几天、几周、几个月，甚至更久。”

自 Scale AI 创始人 Alexandr Wang 于去年 8 月重组 Meta 的 AI 业务以来，这是 Meta 首次发布 frontier model。此后，Meta 已推出轻量级模型 Muse Spark 和 Muse agent，但一直没有像 OpenAI 和 Anthropic 那样发布以领先能力著称的模型。

根据这篇博客文章，这些模型在 Meta 位于俄亥俄州中部的 Prometheus 数据中心完成训练。该数据中心于今年早些时候投入运行。